Cette thèse présente trois approches pour aider les entreprises dans la planification dans un contexte dynamique. Chaque approche aide à différents niveaux de la planification (décisions stratégiques à long terme, tactique à moyen terme, décision opérationnelle à court terme ou même au moment de l'exécution). Après la génération d'un plan, il est possible que des événements rendent le plan inutilisable. L'entreprise doit alors générer un autre plan suivant ces nouvelles informations. Il est donc important pour une entreprise de pouvoir s'adapter rapidement aux changements et d'être plus agile. Les entreprises peuvent utiliser des systèmes d'aide à la décision permettant de les aider à prendre de meilleures décisions pour leur planification. Ces outils, bien qu'ils soient performants pour résoudre un problème, sont souvent non adaptés au contexte dynamique des entreprises. Cette thèse présente trois approches permettant d'adapter les plans rapidement suivant l'évolution des problèmes. La première approche est pour le niveau tactique de la planification. Le plan tactique considère un certain horizon de planification (ex. : 52 semaines). La solution trouvée pour cet horizon devient obsolète après un certain temps, car plusieurs éléments du problème ont changé. Il serait avantageux pour une entreprise de toujours tenir à jour le plan chaque fois qu'il y a une nouvelle information. Par contre, générer un nouveau plan demande beaucoup de temps. L'approche que nous proposons est de tenir à jour le plan, mais en s'aidant des décisions prises précédemment. Nous avons testé cette approche sur le problème d'optimiser la position des outils pour les machines à commande numérique avec tourelles. Nous avons conçu un programme à nombres entiers pour résoudre le problème. Après avoir trouvé la position optimale des outils pour chaque produit usiné, il est possible qu'un nouveau produit s'ajoute à la liste des produits à usiner. Il y a un grand coût en temps de production à devoir modifier la position des outils. Nous devons donc trouver la position des outils pour le nouveau produit sans changer la position des outils pour les autres produits pour éviter de perdre trop de temps. Le modèle conçu pour résoudre le problème comporte une fonction objectif permettant d'être réutilisé lors de l'ajout d'un nouveau produit. Il est alors possible de voir l'évolution de la solution chaque fois qu'on ajoute un nouveau produit. À chaque ajout d'un nouveau produit, nous pouvons évaluer s'il est avantageux de changer la position des outils pour tous les produits. La deuxième approche est pour le niveau opérationnel de la planification. Le planificateur peut s'aider d'un programme d'optimisation pour trouver un plan réalisable et optimal à son problème. Cependant, au niveau opérationnel, il peut arriver divers imprévus rendant le plan désuet. Par exemple, une commande de matériel peut arriver en retard ce qui crée un délai avant de pouvoir fabriquer un certain produit. Il faut donc trouver une alternative au plan initiale pour pallier cet imprévu. Il peut être difficile et même impossible pour un humain de changer le plan tout en respectant les contraintes du problème et l'optimalité du plan initial. Le planificateur peut exécuter une nouvelle fois le programme d'optimisation pour prendre en considération cet imprévu, mais cela demande un certain temps dont le planificateur n'a pas pour prendre la décision. L'approche proposée est d'utiliser un système à initiative partagée. Ce système permet de changer une solution retournée par un programme mixte à nombres entiers tout en conservant l'optimalité de la solution. Le système génère plusieurs solutions pour pouvoir rapidement retourner une solution suivant une modification à la solution par le planificateur. Pour générer les solutions rapidement, le système repose sur une technique personnalisée basée sur le noyau de la matrice de contraintes. La troisième approche est pour le niveau stratégique de la planification. Les décisions au niveau stratégique sont pour le long terme. Par exemple, une entreprise manufacturière doit décider quelles ressources achetées pour améliorer sa productivité. L'approche proposée est de suggérer des choix au planificateur lors de la génération des plans au niveau opérationnel ou tactique. L'entreprise peut alors prendre des choix plus rapidement sans devoir mettre beaucoup d'efforts d'analyse. Cette approche est testée sur un problème d'ordonnancement qui se fait au niveau de la planification opérationnelle. Suivant la génération du plan à l'aide de la programmation par contraintes, il est possible de suggérer des ressources à acheter pour améliorer la solution. Cette approche utilise l'apprentissage automatique pour prédire l'impact sur la solution d'apporter certains changements comme par exemple d'acheter une nouvelle ressource. L'idée est de s'entraîner sur les instances du problème passées pour faire des suggestions sur l'instance du problème courant. / This thesis presents three approaches to help companies pla in a dynamic context. Each approach helps at different levels of planning: strategic decisions for long-term, tactics decisions for medium-term, operational decisions for short-term or even at the time of execution. After the generation of a plan, it is possible that the plan becomes unusable following an unforeseen event. The company must then generate another plan based on this new information. It is therefore important for a company to be able to adapt quickly to changes and to be more agile. Companies can use decision support systems to help them make better decisions for their planning. These tools are effective in solving a problem, but are often not adapted to the dynamic context of companies. This thesis presents three approaches to make it possible to adapt the plans quickly following the evolution of the problems. The first approach is for the tactical level of planning. The tactical plan considers a certain planning horizon (ex.: 52 weeks). The solution found for this horizon becomes obsolete after some time, because several elements of the problem have changed. It would be advantageous for a business to always keep the plan up to date whenever there is new information. However, it would take a lot of time. Our approach is to keep the plan up to date, but with the help of decisions made previously. We tested this approach on the problem of optimizing the position of the tools for CNC machines with turrets. We designed an integer program to solve the problem. After finding the optimal tool position for each product to be machined, a new product may be added to the list of products to be machined. There is a great time cost in having to change the position of the tools. We must therefore find the position of the tools for the new product without changing the position of the tools for the other products. The template designed to solve the problem has an objective function that can be reused when adding a new product. It is then possible to see the evolution of the solution when a new product is added. The second approach is for the operational level of planning. The planner can use an optimization program to find a feasible and optimal plan for his/her problem. However, there can be various unforeseen events that make the plan obsolete. For example, a material order may arrive late which creates a delay before being able to manufacture a product. We must therefore find an alternative to the initial plan to overcome this unforeseen event. It can be difficult and even impossible for a human to change the plan while respecting the constraints of the problem as well as the optimality of the plan. The planner may run the optimization program again to take this unforeseen into consideration, but it may take too long. The proposed approach is to use a mixed initiative system making it possible to change a solution returned by an integer program while maintaining the optimality of the solution. The system generates several solutions to be able to quickly return a solution following a modification by the planner. The system is based on a custom technique based on the kernel of the constraint matrix. The third approach is for the strategic level of planning. Decisions at the strategic level are for the long term. For example, a manufacturing company must decide which tools to purchase to improve their productivity. The proposed approach is to suggest choices to the planner when generating plans at the operational level. The business can make choices faster without having to put in a lot of analytical effort. This approach is tested on a scheduling problem located at the operational planning level. This approach uses machine learning to predict the impact on the solution of making certain changes such as purchasing a new resource. The idea is to practice on past problem instances to make suggestions on the current problem instance.
Identifer | oai:union.ndltd.org:LAVAL/oai:corpus.ulaval.ca:20.500.11794/69806 |
Date | 27 January 2024 |
Creators | Ménard, Marc-André |
Contributors | Quimper, Claude-Guy, Gaudreault, Jonathan |
Source Sets | Université Laval |
Language | French |
Detected Language | French |
Type | thèse de doctorat, COAR1_1::Texte::Thèse::Thèse de doctorat |
Format | 1 ressource en ligne (xii, 110 pages), application/pdf |
Rights | http://purl.org/coar/access_right/c_abf2 |
Page generated in 0.0017 seconds